Применение больших языковых моделей для формирования навыков анализа медиаконтекста в обучении студентов филологических специальностей
https://doi.org/10.32517/0234-0453-2024-39-6-82-96
Аннотация
В современных условиях цифровизации образования, в том числе гуманитарного, особую актуальность и практическую значимость для совершенствования профессиональной подготовки студентов филологических специальностей приобретает использование технологий обработки естественного языка и больших языковых моделей (англ. Large Language Model, LLM). В статье исследуются возможности применения LLM для объективного анализа медиаконтекста в обучении студентов-филологов. На основе критического анализа литературы и эмпирического исследования с использованием методов тематического моделирования, анализа тональности и извлечения фактов на материале корпуса текстов СМИ объемом 5,2 млн единиц выявлены ключевые тематические и языковые особенности медиаконтекста, значимые для развития профессиональных компетенций филологов. Разработана концептуальная модель интеграции методов LLM в адаптивные обучающие системы для персонализированного формирования навыков анализа медиаконтекста. Экспериментальная апробация модели на выборке из 120 студентов продемонстрировала статистически значимое повышение результатов обучения и удовлетворенности обучающихся по сравнению с контрольной группой. Полученные результаты открывают перспективы для создания интеллектуальных адаптивных систем подготовки филологов к работе в условиях трансформации медиаландшафта.
Об авторе
Г. ИвэньРоссия
Ивэнь Гао, аспирант кафедры зарубежной журналистики илитературы, факультет журналистики
г. Москва
Список литературы
1. Blei D. M., Ng A. Y., Jordan M. I. Latent Dirichlet allocation. Journal of Machine Learning Research. 2003;3:993–1022.
2. Diakopoulos N. Automating the news: How algorithms are rewriting the media. Cambridge, Massachusetts, USA, Harvard University Press; 2019. 336 p.
3. Iliev R., Dehghani M., Sagi E. Automated text analysis in psychology: Methods, applications, and future developments. Language and Cognition. 2015;7(2):265–290. DOI: 10.1017/langcog.2014.30.
4. Mikolov T., Sutskever I., Chen K., Corrado G., Dean J. Distributed representations of words and phrases and their compositionality. Proc. 26th Int. Conf. on Neural Information Processing Systems (NIPS’13). Red Hook, NY, USA, Curran Associates Inc.; 2013;2:3111–3119. DOI: 10.48550/arXiv.1310.4546.
5. Devlin J., Chang M.-W., Lee K., Toutanova K. BERT: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint. 2019:1–16. DOI: 10.48550/arXiv.1810.04805.
6. Guo L., Vargo C., Pan Z., Ding W., Ishwar P. Big social data analytics in journalism and mass communication. Journalism & Mass Communication Quarterly. 2016;93(2):332– 359. DOI: 10.1177/1077699016639231.
7. Leskovec J., Backstrom L., Kleinberg J. Meme-tracking and the dynamics of the news cycle. Proc. 15th ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (KDD’09). New York, NY, USA, Association for Computing Machinery; 2009:497–506. DOI: 10.1145/1557019.1557077.
8. Pariser E. The filter bubble: What the Internet is hiding from you. USA, Penguin Press; 2011. 304 p.
9. Radford A., Wu J., Child R., Luan D., Amodei D., Sutskever I. Language models are unsupervised multitask learners. OpenAI. 2019;1(8):1–24.
10. Vargo C. J., Guo L., Amazeen M. A. The agendasetting power of fake news: A big data analysis of the online media landscape from 2014 to 2016. New Media & Society. 2017;20(5):2028–2049. DOI: 10.1177/1461444817712086.
11. Zhao W. X., Jiang J., He J., Song Y., Achanauparp P., Lim E.-P., Li X. Topical keyphrase extraction from twitter. Proc. 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies. Portland, Oregon, USA, Association for Computational Linguistics; 2011;1:379–388.
12. Дудихин В. В., Кондрашов П. Е. Методология использования больших языковых моделей для решения задач государственного и муниципального управления по интеллектуальному реферированию иавтоматическому формированию текстового контента. Государственное управление. Электронный вестник. 2024;(105):169–179. EDN: JBMLWE. DOI: 10.55959/MSU2070-1381-105-2024-169-179.
13. Abeysiriwardana P. C., Jayasinghe-Mudalige U. K., Kodituwakku S. R. “Connected researches” in “smart lab bubble”: A lifeline of techno-society space for commercial agriculture development in “new normal”. New Techno Humanities. 2022;2(1):79–91. DOI: 10.1016/j.techum.2022.05.001.
14. Khan A. F., Chiarcos Ch., Declerck T., Gifu D., García E. G.-B., Gracia J., Ionov M., Labropoulou P., Mambrini F., McCrae J., Pagé-Perron É., Passarotti M., Ros S., Truică C.-O. When linguistics meets web technologies: Recent advances in modelling linguistic linked data. Semantic Web. 2022;13(6):1–64. DOI: 10.3233/SW-222859.
15. Katerynych P., Goian V., Goian O. Exploring the evolution of storytelling in the streaming era: A study of narrative trends in Netflix original content. Communication Today. 2023;14(2):3–12. DOI: 10.34135/communicationtoday.2023.Vol.14.No.2.3.
16. Naveed H., Khan A. U., Qiu S., Saqib M., Anwar S., Usman M., Akhtar N., Barnes N., Mian A. Comprehensive overview of large language models. arXiv preprint. 2023:1– 47. DOI: 10.48550/arXiv.2307.06435.
17. Movva R., Balachandar S., Peng K., Agostini G., Garg N., Pierson E. Topics, authors, and institutions in large language model research: Trends from 17K arXiv Papers. arXiv preprint. 2023:1–21. DOI: 10.48550/arXiv.2307.10700.
18. Carroll J. B. A model of school learning. Teachers College Record. 1963;64(8):723–733. DOI: 10.1177/016146816306400801.
19. Brown T. B., Mann B., Ryder N., Subbiah M., Kaplan J. D., Dhariwal P., Neelakantan A., Shyam P., Sastry G., Askell A., Agarwal S., Herbert-Voss A., Krueger G., Henighan T., Child R., Ramesh A., Ziegler D. M., Wu J., Winter C., Hesse Ch., Chen M., Sigler E., Litwin M., Gray S., Chess B., Clark J., Berner Ch., McCandlish S., Radford A., Sutskever I., Amodei D. Language models are few-shot learners. arXiv preprint. 2020:1–75. DOI: 10.48550/arXiv.2005.14165.
20. Radford A., Kim J. W., Hallacy C., Ramesh A., Goh G., Agarwal S., Sastry G., Askell A., Mishkin P., Clark J., Krueger G., Sutskever I. Learning transferable visual models from natural language supervision. arXiv preprint. 2021:1– 48. DOI: 10.48550/arXiv.2103.00020.
21. Bommasani R., Hudson D. A., Adeli E., Altman R., Arora S., Von Arx S., Bernstein M. S., Bohg J., Bosselut A., Brunskill E., Brynjolfsson E., Buch S., Card D., Castellon R., Chatterji N., Chen A., Creel K., Davis J. Q., Demszky D., Donahue C., Doumbouya M., Durmus E., Ermon S., Etchemendy J., Ethayarajh K., Fei-Fei L., Finn Ch., Gale T., Gillespie L., Goel K., Goodman N., Grossman S., Guha N., Hashimoto T., Henderson P., Hewitt J., Ho D. E., Hong J., Hsu K., Huang J., Icard T., Jain S., Jurafsky D., Kalluri P., Karamcheti S., Keeling G., Khani F., Khattab O., Koh P. W., Krass M., Krishna R., Kuditipudi R., Kumar A., Ladhak F., Lee M., Lee T., Leskovec J., Levent I., Li X. L., Li X., Ma T., Malik A., Manning C. D., Mirchandani S., Mitchell E., Munyikwa Z., Nair S., Narayan A., Narayanan D., Newman B., Nie A., Niebles J. C., Nilforoshan H., Nyarko J., Ogut G., Orr L., Papadimitriou I., Park J. S., Piech C., Portelance E., Potts C., Raghunathan A., Reich R., Ren H., Rong F., Roohani Y., Ruiz C., Ryan J., Ré C., Sadigh D., Sagawa S., Santhanam K., Shih A., Srinivasan K., Tamkin A., Taori R., Thomas A. W., Tramèr F., Wang R. E., Wang W., Wu B., Wu J., Wu Y., Xie S. M., Yasunaga M., You J., Zaharia M., Zhang M., Zhang T., Zhang X., Zhang Y., Zheng L., Zhou K., Liang P. On the opportunities and risks of foundation models. arXiv preprint. 2021:1–214. DOI: 10.48550/arXiv.2108.07258.
22. Fiedler S. H. D., Väljataga T. Personal learning environments: Concept or technology? International Journal of Virtual and Personal Learning Environments. 2011;2(4):1– 11. DOI: 10.4018/jvple.2011100101.
Рецензия
Для цитирования:
Ивэнь Г. Применение больших языковых моделей для формирования навыков анализа медиаконтекста в обучении студентов филологических специальностей. Информатика и образование. 2024;39(6):82-96. https://doi.org/10.32517/0234-0453-2024-39-6-82-96
For citation:
Yiwen G. Using large language models to develop skills in analyzing media context in students of philological specialties. Informatics and education. 2024;39(6):82-96. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-6-82-96